以下是为您提供的新手学习 AI 的知识指导：
1. 了解 AI 基本概念：
阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。
浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。
2. 开始 AI 学习之旅：
在「」中，找到为初学者设计的课程，特别推荐李宏毅老师的课程。
通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有机会获得证书。
3. 选择感兴趣的模块深入学习：
AI 领域广泛，如图像、音乐、视频等，您可以根据自己的兴趣选择特定的模块进行深入学习。
掌握提示词的技巧，它上手容易且很有用。
4. 实践和尝试：
理论学习之后，实践是巩固知识的关键，尝试使用各种产品做出您的作品。
在知识库提供了很多大家实践后的作品、文章分享，欢迎您实践后的分享。
5. 体验 AI 产品：
与现有的 AI 产品进行互动，如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解它们的工作原理和交互方式。
如果您不会代码，对于 AI 可以尝试了解以下作为基础的内容：
1. AI 背景知识：
基础理论：了解人工智能、机器学习、深度学习的定义及其之间的关系。
历史发展：简要回顾 AI 的发展历程和重要里程碑。
2. 数学基础：
统计学基础：熟悉均值、中位数、方差等统计概念。
线性代数：了解向量、矩阵等线性代数基本概念。
概率论：基础的概率论知识，如条件概率、贝叶斯定理。
3. 算法和模型：
监督学习：了解常用算法，如线性回归、决策树、支持向量机（SVM）。
无监督学习：熟悉聚类、降维等算法。
强化学习：简介强化学习的基本概念。
4. 评估和调优：
性能评估：了解如何评估模型性能，包括交叉验证、精确度、召回率等。
模型调优：学习如何使用网格搜索等技术优化模型参数。
5. 神经网络基础：
网络结构：理解神经网络的基本结构，包括前馈网络、卷积神经网络（CNN）、循环神经网络（RNN）。
激活函数：了解常用的激活函数，如 ReLU、Sigmoid、Tanh。
周鸿祎免费课 AI 系列第一讲中提到：
周鸿祎受李一舟的启发，发现大家对于 AI 的知识了解不多，尤其对于前沿 AI 的了解更是摸不着头脑，因此做免费课进行科普。他认为学习新领域时，先要学习框架，整体把握，避免出大方向的偏差。课程会先从宏观开始，如《预见 AGI》，从大框架上讲讲创新趋势和带来的启发，后面会宏观、微观结合，安排人工智能研究院的产品经理、技术专家讲基本产品的使用方法等微观层面的内容。
2025-03-22